AI・DXの最前線を、ビジネスの現場へ。企業のAI活 用を支援するメディアです詳しくはこちら
マネケンのAI導入事例|ローゼン製菓の尼崎工場で配置表づくり1日2〜3時間から約30分に
製造 ローゼン製菓

マネケンのAI導入事例|ローゼン製菓の尼崎工場で配置表づくり1日2〜3時間から約30分に

  • URLをコピーしました!

マネケンを展開するローゼン製菓(1975年設立、株式会社ローゼンのグループ会社、工場は兵庫県尼崎市)は、尼崎工場に2つのAIを入れました。配置を組む人員配置AI「スキルパズル」と、カメラ映像でワッフルの見た目を確かめる外観検査AI「メキキバイト」で、どちらも株式会社フツパーのサービスです(フツパー PR TIMES)。
その結果、配置表づくりは1日2〜3時間から約30分になり、検品は一次をAI、二次を人で行う分担になりました。
数字(2〜3時間→約30分・約75%短縮)は導入元フツパーの発表によるもので、第三者の検証はありません。

目次

食品工場の課題と、マネケンがAIに踏み切った理由

マネケンの尼崎工場は、AIを入れる前に3つの課題を抱えていました。

ズバリ!

マネケンがAIに踏み切った理由は3つ。

  • ワッフルは熟練者が全量・両面を目で見て検品し、一定時間ごとの交代が要る工程でした
  • 配置表は紙に手書きで1枚2〜3時間かかり、前日に終わらず夜まで残業になっていました
  • 良品・不良品の基準が熟練者の頭の中にあり、言葉になっていなかったのです

課題①:ワッフルの検品は個体差が大きく人の目頼み

ワッフルは、1枚ずつ焼き色や格子模様の出方が違います。機械で一律に測れず、目で見て判断するしかない点が、この工程の難しさでした。

課題②:紙の配置表が夜遅くまでかかる

工場では、誰をどの持ち場に置くかを決める「人員配置表」が毎日欠かせません。マネケンの工場では、番号を振って色を塗る複雑な作り方で、1日あたり2〜3時間かけていました。
翌日にはまた次の配置表が待っているため、作業が夜に回る悪循環を生んでいたのです。

課題③:熟練者の感覚が頭の中にしかない

どこを見たら不良なのか、熟練者は経験で分かっていても、それを言葉にして残していませんでした。こうした「経験で身についているが言葉になっていない判断のコツ」を暗黙知と呼びます。
人を増やしにくい業界で、この判断を新しい人に渡す手段がありませんでした。検品も配置も、熟練者の感覚に頼る形のまま回っていたのが、AI導入前の尼崎工場でした。

【うまくいった工夫その1】配置の組み方から見直した

配置の悩みに応えたのが、人員配置AIのスキルパズルと、それを現場に合わせて使いこなした担当者の動きでした。

番号と色塗りの手書きを、入力と自動配置に置き換えた

入力するのは、その日に出勤する人と、各人ができる作業です。AIはそこから持ち場の割り当てを組みます。

持ち場の配置づくりが、毎日2〜3時間の手書きから、入力だけの約30分に短くなった。

番号を振って色を塗る手作業はなくなり、配置表づくりは1日あたり2〜3時間から約30分、約75%の短縮になりました(フツパー導入事例ページ(2026年2月取材)、プレスリリース(2026年11月11日発表))。

担当者が社内調整と運用設計を主導した

入れればすぐ動いたわけではありません。最初は、現場の休憩ローテーションにツールが合わず、導入をいったん見送っています。
ただし、ツールに現場を合わせて曲げることはしませんでした。フツパー側の改善を待って本格導入し、そのうえで担当者がローテーションの組み方そのものを見直したのです。現場のパートスタッフから出た「こっちの方がいいんちゃう」という意見も取り入れました。担当者は、使う人の意見でローテーションを組み替え、配置をモニターで全員に共有したことで現場に定着したと話しています。

モニター共有と、できる作業の記録

配置は工場内の大型モニターに映され、紙を配り直さなくても、変更がすぐ現場に届きます。

もう1つの使い道が、誰が何をできるかの記録です。配置を組む材料になるだけでなく、誰にどの作業を覚えてもらうかが分かるため、新人を育てる道具にもなっています。

検品でも、マネケンは同じ姿勢で臨みました。

【うまくいった工夫その2】検品は一次をAI、二次を人にした

検品では、外観検査AI「メキキバイト」を入れつつ、全部をAIに任せない形を選びました。ワッフルがコンベアで流れ、照明付きカメラの下を通ります。AIはその画像から明らかな不良を一次検品ではじき、人は二次検品で確認します。熟練者が全量を両面とも見続ける必要はなくなりました。

格子模様と焼き色の個体差がAIの難所だった

最初からうまくいったわけではありません。ワッフルは格子模様の出方も焼き色も1枚ずつ違い、最初のAIは、はじいてほしい不良をはじかなかったり、見逃したりしました。
そこで繰り返したのが、アノテーションと再学習です。アノテーションとは、画像に「これは良品、これは不良」と人が印を付けてAIに教える作業、再学習とは、その印を使ってAIに覚え直させることです。
担当者は現場に、「AIも新しいスタッフと同じ」と伝えました。教えれば育つ新人として迎えたのです。

AIは大枠をさばく役にした

育ったAIに検品を全部任せなかった理由について、担当者は、人を完全に外すと基準が厳密になりすぎて進まなくなるためと話しています。全量をAIの基準だけで判定するより、人の判断を残したほうがラインが回るというのが、担当者の見方です。

この分担で、一部の商品では一次検品が無人化したのです。なお、無人化した商品の範囲、人数や割合、不具合の中身、他工程へ動かした人員の数は公表されていません。

浮いた人員の行き先と、言葉になった検品基準

一次検品から外れた人は、辞めたわけではありません。他の工程の負担を軽くするために回ったのです。
もう1つの変化が、検品基準の言語化です。AIに教えるには、何が不良かを言葉にするしかありません。不良の写真に印を付けて再学習させる作業を重ねるうちに、熟練者の頭の中にあった基準が、誰でも共有できる言葉になりました。

導入できた背景には、フツパーが現場に伴走し、定着まで支えたことがあります。真似をするときは、AIを選ぶだけでなく、育てる時間と相談相手が要る点も押さえておきたいところです。

まとめ

ローゼン製菓の尼崎工場では、人員配置AIで配置表づくりが1日2〜3時間から約30分になり、検品は一次をAI、二次を人とする分担になりました。
検品では、人の判断を残す形を選んだと担当者は話しています。

  • URLをコピーしました!
  • URLをコピーしました!
目次

For Business

AI導入・DX推進の
ご相談を承ります

戦略策定から技術選定・導入支援まで、
AI産業の最新知見をもとに、貴社の事業成長を支援します。